伴随着移动应用技术迅猛发展、数据量爆炸增长,数字化转型已经提到每个企业的日程之上。数字化首先面对的就是数据要如何存储。通常企业考虑的是先用一些简单的存储设备,将企业的数据存储起来,等发展到一定阶段后再用更高端的存储进行替换。企业为什么不在数字化转型的初期就使用上更高端的存储设备呢?太高端了用不上,负担不起吗?这场IBM存储交流会可能会让你改变这个观点。
IBM副总裁、大中华区系统部总经理侯淼
11月19日IBM副总裁、大中华区系统部总经理侯淼,IBM大中华区系统部存储系统总经理吴磊与媒体记者进行了一次有关IBM存储的深度交流,在交流中我们对IBM的存储新品有了更深入的了解,也了解到IBM在存储市场与发展策略上的很多转变。
IBM大中华区系统部存储系统总经理吴磊
在IBM副总裁、大中华区系统部总经理侯淼的介绍中我们可以了解,IBM整个硬件家族,一直很一致地在谈一个概念,就是现代化基础架构(Modern infrastructure),主要针对IBM目前看到的客户在IT系统上的一些核心需求,即一个兼具稳态、敏态和智能的基础架构。IBM在产品设计上会围绕三个方面来开展,一个是负载为要,第二是多云敏捷,第三是安全无虞。但是这三个方面不单单针对服务器,也针对存储。
往往服务器和存储是很难分开。服务器的侧重点在于计算,存储的侧重点在于数据,围绕数据会牵扯到数据的存储和数据的访问,这两块可以说囊括了大部分存储的硬件、软件,包括新的技术。IBM存储这两年也发展得很快,有很多新品,包括在z15发布时同步推出的DSF8900F,也包括ESS 3000等等最近发布的新产品,这些都IBM是围绕存储市场推出的新的技术。
目前IBM存储主要涵盖四大块。
第一,storage for multi hybrid cloud,就是混合多云环境的存储构架。
第二,Storage for AI and Big Data,针对人工智能和大数据的解决方案。
第三,Modern Data Protection,现代数据保护,围绕IBM Spectrum Protection和Protection Plus软件系统,保护客户的数据资源。
第四,Storage for Z,针对主机跟Storage的结合,产生强关联,帮助客户实现在混合多云环境下完成核心系统一体化。
通过侯淼与吴磊的介绍我们可以了解,当前IBM存储产品呈现出全面发展的一种态势。无论是混合多云还是人工智能都可以提供全面的解决方案。我们都应该了解,企业数化转型并不是一个一蹴而就的工作,在起步阶段,可能只是对数据进行积累,而这时候IBM可以提供质优价廉的V5000系统存储产品,满足企业数字化转型初期的应用需求,而到了成长阶段,需要进行高性能数据分析的时候,不但可以借助多种IBM存储套件顺利实现大数据分析功能,还可以通过在存储设备上添加SSD存储的方式对存储性能实现提升。当企业到达数字化转型发展阶段,需要注重数据安全时,IBM更提供双活双备、可调纠删码等多种数据保护功能,满足用户对数据更高可靠性的需求。IBM存储必可以伴随企业走过数字化转型的每个阶段。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。